一种基于覆盖超球算法的径向基概率神经网络结构优化  

A structure optimization of the radial basis probabilistic neural network based on covering hypersphere algorithm

作　　者：翟传敏[1] 杜吉祥[1,2] 

机构地区：[1]华侨大学计算机科学与技术系,福建泉州362021 [2]中国科学技术大学自动化系,安徽合肥230026

出　　处：《福州大学学报（自然科学版）》2009年第1期33-38,共6页Journal of Fuzhou University(Natural Science Edition)

基　　金：福建省自然科学基金资助项目(A0740001,A0810010);国家自然科学基金资助项目(60805021);中国博士后科学基金资助项目(2006039180,200801231)

摘　　要：介绍了径向基概率神经网络(RBPNN)的一种启发式结构优化算法.该算法首先提出一种移动平均中心超球覆盖算法,并用于初选径向基概率神经网络的隐中心矢量,然后使用遗传算法进一步优选隐中心矢量,同时优化核函数控制参数.实验结果表明,该算法在实际应用中能够加快优化速度,降低计算复杂度,有效地简化RBPNN模型的结构.The paper introduces a heuristic structure optimization algorithm of the radial basis probabilistic neural network （RBPNN）. A moving medium centers covering hypersphere algorithm is proposed to initially select potential bidden centers vectors of the first bidden layer from all the training samples, then the genetic algorithms further prunes the structure of RBPNN, and determining the matching controlling parameters of kernel function of RBPNN. The experimental results showed that the algorithm can effectively quicken the optimization speed, decrease the computation complexity, and simplify the structure of the RBPNN.

关 键 词：径向基概率神经网络 结构优化 移动平均中心 超球覆盖算法 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]